使用 3 個樣本進行比例相等的假設檢驗
我有一個包含兩列手機客戶信息數據的數據集。第一列包含帳戶所屬的特定類別（A、B 或 C），第二列包含該帳戶是否已取消的二進制值。例如
A | cancelled C | active B | active A | cancelled我想要做的是提出某種假設檢驗來測試 A、B 和 C 類型的賬戶的比率對於活躍賬戶與取消賬戶是否不同 - 零假設是它們是相同的。所以它就像一個比例假設檢驗，除了我不知道如何對 3 個值執行此操作
我將基於我的一般回答，並就您的問題如何適合測試框架插入評論。一般來說，我們可以使用檢驗典型的零假設，, 如下：
即，所有比例彼此相等。現在，在您的情況下，您的零假設如下：
備擇假設是
現在為了執行測試我們需要計算以下測試統計量： 測試統計量的值是
在哪裡
- = Pearson 的累積檢驗統計量，漸近接近分配
- = 觀察到的頻率
- = 由零假設斷言的預期（理論）頻率
- = 表格中的單元格數
在你的情況下因為我們可以將此問題視為下表：
現在，一旦我們有了檢驗統計量，我們就有兩個選擇如何繼續完成我們的假設檢驗。
**選項1）**我們可以比較我們的測試靜態到原假設下的適當臨界值。也就是說，如果是真的，那麼一個列聯表中的統計量行和列應該有一個分佈與自由程度。計算出我們的臨界值後如果我們有那個那麼我們將拒絕原假設。顯然如果那麼我們不能拒絕原假設。
以圖形方式（所有數字都是由組成的）如下：
從圖中，如果我們的測試統計對應於藍色檢驗統計量，那麼我們將無法拒絕原假設，因為該檢驗統計量不落在臨界區域內（即，）。或者，綠色檢驗統計量確實落在關鍵區域內，因此如果我們計算了綠色檢驗統計量，我們將拒絕原假設。
在您的示例中，您的自由度等於
**選項 2）**我們可以計算與原假設下的檢驗統計量相關的 p 值，如果這個 p 值小於指定的值-level 那麼我們可以拒絕原假設。如果 p 值大於-level 那麼我們無法拒絕原假設。請注意，p 值是分佈大於檢驗統計量。
從圖形上看，我們有
其中 p 值計算為大於我們的測試統計量的區域（示例中的藍色陰影區域）。
因此，如果然後未能拒絕原假設， 別的，
如果拒絕原假設
